Вице-президент Apple по архитектуре платформ поделился своим мнением о новом процессоре A14 Bionic, важности машинного обучения и о том, как Apple продолжает отделяться от своих конкурентов в новом интервью.
Согласно Apple, A14 Bionic предлагает 30% прирост производительности процессора при использовании новой четырехъядерной графической архитектуры для ускорения графики на 30% по сравнению с A12 Bionic, используемым в iPad Air 3. В отличие от A13, тесты показывают, что A14 предлагает улучшение производительности процессора на 19% и графики на 27%.
В интервью немецкому журналу Stern вице-президент Apple по архитектуре платформ Тим Миллет рассказал о том, что делает процессор A14 Bionic отличным.
Милле объясняет, что, хотя Apple не изобрела машинное обучение и нейронные движки — «основы для этого насчитывают много десятилетий», — они помогли найти способы ускорить процесс.
Машинное обучение требует обучения нейронных сетей на сложных системах данных, которых до недавнего времени не существовало. По мере роста хранилища машины могли использовать преимущества больших наборов данных, но процесс обучения все еще был относительно медленным. Однако в начале 2010-х годов все стало меняться.
Перенесемся в 2017 год, когда вышел iPhone X — первый iPhone с Face ID. Этот процесс был основан на микросхеме A11 и мог обрабатывать 600 миллиардов арифметических операций в секунду.
Пятинанометровый чип A14 Bionic, который дебютирует в новом iPad Air, который выйдет в октябре, может рассчитывать в 18 раз больше операций — до 11 триллионов в секунду.
«Мы очень рады появлению машинного обучения и тому, как оно позволяет создать совершенно новый класс», — сказал Милле Стерну. «У меня захватывает дух, когда я вижу, что люди могут делать с бионическим чипом A14».
Конечно, когда речь идет о производительности, важно не только оборудование. Милле также отмечает, что разработчики аппаратного обеспечения Apple имеют уникальную возможность работать вместе с командами разработчиков программного обеспечения.
Вместе разработчики гарантируют, что они создают программное обеспечение, которое может быть полезно каждому.
«Мы очень тесно сотрудничаем с нашей командой разработчиков программного обеспечения на протяжении всего процесса разработки, чтобы убедиться, что мы не просто создаем часть технологии, которая будет полезна некоторым. Мы хотели убедиться, что тысячи и тысячи разработчиков iOS могут что-то с ней сделать».
Он подчеркивает важность Core ML, фундаментальной структуры машинного обучения, которая часто используется для языковой обработки, анализа изображений, анализа звука и т. Д. Apple предоставила разработчикам доступ к Core ML, дав им возможность использовать машинное обучение в своих приложениях.
«Core ML — это фантастическая возможность для людей, которые хотят понять и узнать, какие у них есть варианты», — сказал Милле. «Мы потратили много времени на то, чтобы убедиться, что мы не просто упаковываем транзисторы в микросхему, которые затем не используются. Мы хотим, чтобы массы получили к ним доступ».
Стерн отмечает, что Core ML является важнейшим компонентом всемирно известного DJ-приложения Djay. Он также использовался программным гигантом Adobe.
Наконец, Тим Миллет нашел время, чтобы решить проблему несовместимости Face ID с защитными покрытиями для лица, ограничивающими коронавирус. Он говорит, что хотя Apple теоретически могла бы сделать Face ID, пока вы носите маску, скорее всего, этого не произойдет. Закрыв лицо, вы удаляете данные, которые использует iPhone, чтобы подтвердить, что это действительно вы — и, таким образом, шансы Face ID могут быть скомпрометированы.
«Трудно увидеть то, чего нельзя увидеть», — объясняет Тим Миллет. «Модели распознавания лиц действительно хороши, но это сложная проблема. Люди хотят удобства, но в то же время они хотят быть в безопасности. И Apple делает все возможное, чтобы данные оставались в безопасности».
